لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش نکات ، ترفندها و روشهای پایتون بیشتر برای علوم داده
More Python Tips, Tricks, and Techniques for Data Science
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
قدرت و تطبیق پذیری پایتون - همراه با اکوسیستم بزرگ بسته های شخص ثالث - آن را برای دانشمندان داده ضروری می کند. در این دوره ، مربی Harshit Tyagi نکات و تکنیک های عملی را به اشتراک می گذارد که می تواند به شما کمک کند گردش کار علم داده Python خود را تقویت کنید. Harshit نحوه کار با نوت بوک های IPython ، از جمله نحوه اشکال زدایی خطاها را پوشش می دهد. وی نحوه استفاده از NumPy برای دستکاری آرایه ها و همچنین نحوه کار با پانداها ، ابزار دستکاری و تجزیه و تحلیل داده ها را نشان می دهد. وی نکاتی را برای تجسم داده های شما با Matplotlib ارائه می دهد و توضیح می دهد که چگونه می توانید متن را به نمودارها اضافه کرده و عناصر حاشیه را در نمودار اضافه کنید. بعلاوه ، بهترین روشها را برای کار با یادگیری قلبی ، و همچنین سایر نکات یادگیری ماشین به دست آورید.
سرفصل ها و درس ها
مقدمه
Introduction
نکات و ترفندها در پایتون
Tips and tricks in Python
1. IPython و Jupyter Notebook
1. IPython and Jupyter Notebook
دسترسی به روش ها و اسناد
Accessing methods and documentation
خطاها و اشکال زدایی
Errors and debugging
مشخصات و زمان بندی کد
Code profiling and timing
2. NumPy و Pandas
2. NumPy and Pandas
ملزومات آرایه های NumPy
Essentials of NumPy arrays
صدا و سیما
Broadcasting
مقایسه ، ماسک و منطق بولی
Comparison, masks, and Boolean logic
نمایه سازی و زیرمجموعه پانداها
Pandas indexing and subsetting
مدیریت داده های از دست رفته
Handling missing data
تجمیع و گروه بندی
Aggregation and grouping
پرس و جو و فیلتر کردن داده ها
Querying and filtering data
3. تجسم با Matplotlib
3. Visualization with Matplotlib
نکات کلی درباره نقشه
General plotting tips
افزودن متن و حاشیه نویسی
Adding text and annotations
زیرمجموعه های متعدد
Multiple subplots
4. نکات یادگیری ماشین
4. Machine Learning Tips
sklearn Estimator API
sklearn Estimator API
اعتبارسنجی مدل و تنظیم بیش از حد پارامتر
Model validation and hyperparameter tuning
مهندسی ویژگی
Feature engineering
ایجاد خطوط لوله یادگیری ماشین
Creating machine learning pipelines
مربی و استاد علوم داده
Harshit Tyagi یک مربی و مربی علوم داده است.
Harshit به بیش از هزار دانش آموز کمک کرده است تا اصول برنامه نویسی و علوم داده را تسلط یابند. وی در نقش های خود در OpenClassrooms و Coding Ninjas ، از مهارت فنی خود برای انجام کارگاه ها و کمک به دانشجویان برای آوردن پروژه های دوره خود به خط پایان استفاده می کند. وی همچنین دارای یک کانال YouTube است ، جایی که او مفاهیم اساسی در علوم داده و مصاحبه پایتون را پوشش می دهد نکات و موارد دیگر علاوه بر تمرکز بر آموزش علوم داده ، هارشیت الگوریتم های پردازش داده را با دانشمندان تحقیق در ییل ، MIT و UCLA توسعه داده است.
نمایش نظرات